Amazon Web Services ブログ

Amazon SageMaker と Amazon ES を使用しての画像検索アプリケーションの構築

時に人は、探しているものを適格に説明するための言葉を見つけることに、難しさを感じるものです。古いことわざでも、「百聞は一見にしかず」と言います。 言葉による説明より、実際の例や画像を示す方が便利なことも多く、これは、検索エンジンで何かを見つけようとしている場合には顕著です。 今回の記事では、画像検索の結果を提供できるフルスタックのウェブアプリケーションを含む画像検索アプリケーションを、ゼロから、1 時間もかからず構築していきます。 特に、ファッション系およびホームデコレーション系などの小売業や E コマース企業では、画像検索を利用して顧客エンゲージメントを改善できます。画像検索により、販売者は購入者に対し、テーマもしくは形状的に関連のあるアイテムを提案できるようになります。これは、テキストのみのクエリを使用している販売者では、簡単に実現することはできないでしょう。Gartner によれば、「ウェブサイトを早期に画像および音声検索が可能となるよう再設計するブランドでは、そのデジタルコマース収益が、2021 年までに最大 30% 増加することが見込める。」とのことです。 高レベルな画像検索の例 Amazon SageMaker は完全マネージド型サービスであり、あらゆる開発者やデータサイエンティストに対し、機械学習 (ML) モデルを迅速に構築、トレーニング、デプロイするための手段を提供します。同じく完全マネージド型サービスである Amazon Elasticsearch Service では、Elasticsearch のデプロイ、保護、実行を、簡単かつ大規模に、コスト効率良く行えます。Amazon ES では、k–近傍 (KNN) 検索が行えます。これは、製品レコメンデーション、不正検出、画像や動画および意味論的なドキュメントの取得など、今回のものと類似性のあるユースケースで検索を強化するためにも使用できます。軽量かつ効率的な非メトリクス空間ライブラリ (NMSLIB) を使用して構築された KNN は、数千のディメンションにわたる数十億のドキュメントに関する、大規模かつ低レイテンシーの近傍検索を、通常の Elasticsearch クエリと同じ手軽さで実行することを可能にします。 この画像検索のアーキテクチャを次の図に示します。 ソリューションの概要 画像検索アーキテクチャの実装作業は、次の 2 つのフェーズにより構成されます。 サンプルの画像データセットを用い、参照用の KNN インデックスを Amazon ES 上に構築します。 Amazon SageMaker エンドポイントと Amazon ES に新しい画像を登録し、類似性のある画像を取得します。 参照用 KNN インデックスの作成 このステップでは、Amazon SageMaker でホスティングされている事前トレーニング済みの […]

Read More

Amazon MSK を使用したログベースのアーキテクチャでウェブコンテンツをストリーミングする

ニュース速報やスポーツのスコアなどのコンテンツは、ほぼリアルタイムで更新する必要があります。最新の状態に保つために、ブラウザまたはモバイルアプリをよく更新しているかもしれません。このコンテンツを高速かつ大規模に配信する API を構築することは、困難なことがあります。この記事では、API ベースのアプローチの代替案を紹介します。この記事では、ログベースのアーキテクチャ、つまりコミットログを使用してデータの変更をキャプチャし、他のサービスの完全なデータセットに新しいサービスとデータベースを簡単に構築するソフトウェアアーキテクチャの概念と長所を概説します。このようなデータ変更は、ウェブのコンテンツにもなります。このアーキテクチャでは、このコンテンツをリアルタイムでストリーミングできます。シンプルで拡張も簡単です。 次の動画クリップは、このアーキテクチャの実用例を示しています。 この記事では、Amazon Managed Streaming for Apache Kafka (Amazon MSK) を使用してログベースのアーキテクチャを構築する方法と、ウェブでコンテンツをストリーミングするために必要なその他のテクノロジーをご紹介します。また、マイクロブログサービスの例もご紹介して、すべてを実行に移します。詳細については、GitHub リポジトリをご覧ください。これには、ウェブアプリケーション、Amazon Elastic Container Service (Amazon ECS) の AWS Fargate で実行されるバックエンドサービス、および AWS クラウドでインフラストラクチャを構築するための AWS CloudFormation テンプレートが含まれています。この例は、AWS Cloud9 またはローカルマシンで実行できます。 プッシュモデルの利点 ほとんどのウェブサイトおよびモバイルアプリケーションは、API からコンテンツをプルすることによってコンテンツを配信します。クライアントは、バックエンドで新しいリクエストを行うことにより、新しいコンテンツまたはコンテンツの更新をプルする必要があります。一般的な動作は、ブラウザウィンドウの更新、またはモバイルアプリでのプルトゥリフレッシュです。他にも、定められた間隔で新しいコンテンツを取得するためにサーバーをポーリングする動作があります。これは、プルモデルと呼ばれています。 クライアントがこのモデルを使用すると、コンテンツを更新するたびにサーバーへの新しいリクエストが作成されます。すべてのリクエストはアプリケーションにストレスをもたらします。データベースまたはキャッシュの更新を確認し、データをクライアントに送信する必要があります。これは、最終的にサービスへの新しい接続を作成するのに必要な量を超えて、CPU とメモリを消費します。 別のアプローチは、サーバー側からクライアントを更新することで、これはプッシュモデルと呼ばれています。サーバーは新しいコンテンツまたは更新をクライアントにプッシュします。これは、サーバーとクライアント間の非同期通信です。次の図は、この非同期通信の一般的なパターンであるパブリッシュ/サブスクライブ (pub/sub) メッセージングのアーキテクチャを示しています。 pub/sub パターンでは、新規または更新されたコンテンツがイベントです。そのようなコンテンツはイベントのパブリッシャーから発信され、サブスクライバーに配布されます。このパターンはリーダーと pub/sub サービスで使用されます。これにより、リーダーはサービスにサブスクライブし、サービスが新しい記事を公開するのを待ちます。pub/sub サービスは、記事ログをサブスクライブして、エディタが発行した記事を消費します。pub/sub サービスにサブスクライブしているリーダーは、サービスへの接続を開いたままにして、新しい記事が流入するのを待つだけで済みます。マイクロブログサービスの例では、読者はシンプルな React アプリを使用して記事を読みます。ウェブアプリケーションは、バックエンドサービスへの接続を開いたままにし、新しい記事が公開されるのを待ち、公開時に表示される記事を更新します。 新しい記事がログに公開されると、記事はメッセージとして保存されます。メッセージはキーと値のペアで、ログはメッセージが格納された順序を保持します。具体例のユースケースの場合、ここに格納されるメッセージは記事ですが、シリアル化されたバイトとして格納されるため、どのような種類のデータでもかまいません。最も一般的な形式は、プレーンテキスト、JSON、Protobuf や Avro です。pub/sub サービスは、メッセージが流れ込むときにメッセージを消費し、接続されたクライアントにメッセージを公開します。繰り返しになりますが、これはブラウザのウェブアプリケーションまたは iOS か Android […]

Read More

Euler Hermes が Amazon SageMaker を使ってタイポスクワッティングを検出する方法

これは Euler Hermes のゲスト投稿です。彼らの言葉によれば、「100 年以上にわたり、信用保険業界の世界的リーダーを務める Euler Hermes は、より簡単で安全なデジタル製品を提供するためにクライアントに同行し、世界の商取引における重要な触媒となっています」 Euler Hermes は、毎月 600,000 を超える B2B トランザクションを管理し、世界中の 3,000 万社を超える企業からのデータ分析を実現しています。大規模の人工知能と機械学習 (ML) がビジネスの中心になりました。 Euler Hermes は、さまざまなユースケースで ML を使用しています。最近の例では、タイポスクワッティングの検出があります。これは、サイバーセキュリティチームと IT イノベーションチームがクライアントをより良く保護するためのアイデアワークショップの後に行われました。結局のところ、データが AWS クラウドにあり、数分で適切なツールをデータサイエンティストの手に渡せるようになると、アイデアから本番環境への移行がかつてないほど容易になります。 タイポスクワッティング (ハイジャック) は、サイバーセキュリティ攻撃の一種です。これは、他の潜在的な問題の中でも、フィッシング詐欺、ID の盗難、広告、およびマルウェアのインストールを目的としていますが、登録されたドメインが正当で評判がよく有名なものによく似たインターネットドメイン名で構成されています。タイポスクワッティングのソースは、さまざまなトップレベルドメイン (TLD)、タイプミス、スペルミス、コンボスクワッティング、または異なるフレーズのドメインなど、さまざまです。 私たちが直面した課題は、Euler Hermes ブランドまたはその製品を悪用するために使用される可能性のある、疑わしい登録ドメインをすばやく検出する ML ソリューションを構築することでした。 ML ワークフローを簡素化し、市場投入までの時間を短縮するために、Amazon SageMaker を使用することを選択しました。このフルマネージド AWS サービスは、Amazon Simple Storage Service (Amazon S3) または AWS Lambda などの他の AWS サービスと統合しながら、基盤となるインフラストラクチャを気にすることなく、大規模な […]

Read More

ブンデスリーガマッチファクト xGoals を支える技術: 機械学習がサッカーのデータ駆動型の洞察をどのように推進しているか

サッカーの試合を観戦していて、プレイヤーがゴールを決めたのを見たとき、そのゴールを決めるのがいかに難しかったかを想像してみることがよくあります。テレビで試合を見ていて、そのシュートがゴールネットを揺らすのがいかに難しかったかを放送席が叫ぶのを聞くと、自分の考えは正しかったのだと確認できるかもしれません。以前は肉眼で視て、ゴールキーパーの周囲にいたディフェンダーの数や、プレイヤーがゴールネットの正面にいたか、側面にいたかの立ち位置に基づいた仮定で脚色していました。今では、AWS によるドイツのブンデスリーガのマッチファクト (試合詳報) サービスの 1 つである xGoals (「Expected Goals」の略) を使って、感嘆の叫びをデータと洞察で補強することができるようになりました。これにより、プレーヤーが競技場のあらゆる位置からシュートするときにゴールを決める正確な確率をファンに示すことができます。 Deutsche Fußball Liga (DFL) は、ドイツのプロサッカーリーグ、ブンデスリーガおよびブンデスリーガ 2 部 の組織の編成とマーケティングを担当しています。すべての試合で、DFL は 360 万以上のデータポイントを収集して、競技場で起こっていることについてのより深い洞察を得ています。思い描いているビジョンは、世界中の 5 億人を超えるブンデスリーガファンと 70 を超えるメディアパートナーの体験を強化することにより、最も革新的なスポーツリーグになることです。DFL は、テクノロジーを新しい方法で使用して、機械学習 (ML) で駆動されるリアルタイムの統計を提供し、パーソナライズされたコンテンツをファンのために作成し、データを洞察と行動に変えることで、そのビジョンの実現を目指しています。 xGoals は、DFL と AWS が 2020 年 5 月の終わりに正式に開始した 2 つの新しいマッチファクト (平均順位は 2 番目) の 1 つで、ドイツのブンデスリーガとのグローバルなファンエンゲージメントを強化しています。ブンデスリーガはドイツ国内のサッカーリーグの最高峰で、試合ごとの平均ゴール数が最も多いリーグです。xGoals は、ML モデルを構築、トレーニング、デプロイするフルマネージドサービスである Amazon SageMaker を使用して、ブンデスリーガプレイヤーが競技場の任意の位置からシュートしてゴールを決める可能性を客観的に評価できます。 xGoals はまた、プレイヤーがパスを出すことで、シュートを打ったり良い位置取りをしている他のプレイヤーにパスを出したりするよりも得点機会が高まったかを判断できます。 xGoals や他のブンデスリーガのマッチファクトは、サッカーの世界にデータ駆動型の洞察を提供することで、新しいスタンダードを打ち立てています。 ゴールスコアリングの可能性の定量化 […]

Read More

Wind Mobility がサーバーレスデータアーキテクチャを構築した方法

Wind Mobility の BI 部門の責任者である Pablo Giner 氏によるゲスト投稿です。 ここ数年、都市部におけるマイクロモビリティが注目を集めています。汚染指数が歴史的な高さとなっていることから、世界中の都市や企業が規制を導入し、状況を改善するための幅広い解決策に取り組んできました。 Wind Mobility では、近距離移動のための都市部における交通手段を世界中の都市に提供することにより、通勤者の生活をより持続可能かつ便利なものにすることに注力しています。 Wind Mobility では、ユーザーの要求に合わせてサービスをスケーリングし、経済的かつ環境的に実行可能な方法でサービスを提供しています。実際に使用される数よりも多くの電動キックボードを配置することで都市が混雑するのを避けるために、電動キックボードがひとまとまりで配置される数を最適化し、ユーザーが必要とする場所の近くに、かつ、ユーザーが必要とするときに電動キックボードを配置します。 これを実現するにはどうすればよいでしょうか? その答えは、業務を最大限に最適化する、ということです。そのためには、さまざまな条件下でのユーザーの行動について十分な情報を得て、まとまって配置される電動キックボードがどの程度の需要に対応できるのかを理解する必要があります。 急成長を支えるスケーラビリティと柔軟性 当社では、この課題を解決するに先立ち、ユーザーによるアプリケーションとのインタラクション、ユーザーの需要、電動キックボードからの IoT 信号、運用メトリクスなど、さまざまなソースからデータを収集する必要があることを認識していました。収集された多数のデータセットを分析し、実用的な洞察を抽出するには、データレイクを構築する必要がありました。大まかな目標は明確でしたが、対象となる範囲はそれほど明確ではありませんでした。新しい市場の開拓を続けつつ、当社は事業の拡大に懸命に取り組んでいました。急速な成長と拡大により、消費する必要のあるデータの量を予測することが非常に困難になりました。また、当社では、成長を支える新しいマイクロサービスを立ち上げました。その結果、より多くのデータソースの取り込みが必要となりました。当社がアジャイルに活動することを実現し、かつ、迅速な採用が可能な、当社の成長に対応できるアーキテクチャが必要でした。サーバーレスアーキテクチャがこれらのニーズを満たすのに最適であることが判明したことから、当社は、完全にサーバーレスのインフラストラクチャの設計を開始しました。 最初の課題は、現場での電動キックボード、モバイルアプリからのイベント、運用メトリクス、およびパートナー API からのデータの取り込みと保存でした。当社は、AWS Lambda を使用して、運用データベースとモバイルアプリの変更をキャプチャし、イベントを Amazon Kinesis Data Streams にプッシュします。これにより、リアルタイムでアクションを実行できます。また、Amazon Kinesis Data Firehose を使用して、当社が分析に使用する Amazon Simple Storage Service (Amazon S3) にデータを書き込みます。 Amazon S3 にアクセスし、最も一般的なユースケースに従って適切にパーティション分割した後 (当社は、データソースに応じて、日付、地域、およびビジネスラインでパーティション化しました)、データプロファイリング (構造、内容、および相互関係の理解のため) およびアドホック分析を行うためにこのデータをクエリする方法を見つける必要がありました。そのために、データをカタログ化するために AWS Glue クローラーを選択し、AWS Glue データカタログから読み取ってクエリを実行するために Amazon Athena […]

Read More

オープンソース Amazon SageMaker XGBoost アルゴリズムコンテナのご紹介

XGBoost は、表形式データセットでの回帰タスクと分類タスクの実行によく使用される効率的な機械学習 (ML) アルゴリズムです。このアルゴリズムはツリーに勾配ブースティングと呼ばれる技法を実装し、ML 大会で極めて優れた成績を残しています。 Amazon SageMaker は、提供開始時から XGBoost を組み込みのマネージドアルゴリズムとしてサポートしてきました。詳細については、XGBoost と Amazon SageMaker を使った機械学習の簡素化を参照してください。この記事を書いている時点で、より優れた柔軟性、スケーラビリティ、拡張性、およびマネージドスポットトレーニングを備えたオープンソース Amazon SageMaker XGBoost コンテナを活用することが可能です。詳細については、GitHub で Amazon SageMaker サンプルノートブックと sagemaker-xgboost-container を参照、または「Xboost アルゴリズム」をお読みください。 この記事では、オープンソース XGBoost アルゴリズムコンテナのメリットと、3 つのユースケースをご紹介します。 オープンソース SageMaker XGBoost コンテナのメリット 新しい XGBoost コンテナには、以下のメリットがあります。 最新バージョン オープンソース XGBoost コンテナは、最新の XGBoost 1.0 リリースと、マルチコアインスタンスでのより高機能なスケーリング、および分散型トレーニングのための優れた安定性を含めたすべての改善点をサポートしています。 柔軟性 新しいスクリプトモードによって、独自のトレーニングスクリプトをカスタマイズまたは使用することができるようになりました。TensorFlow、MXNet、PyTorch、および Chainer のユーザーも利用できるこの機能は、カスタマイズされたプリプロセスまたはポストプロセスロジックの追加、トレーニングプロセス後の追加ステップの実行、すべての XGBoost 機能 (交差検証のサポートなど) の活用を可能にします。他の Amazon SageMaker 組み込みアルゴリズムといった非スクリプトアルゴリズムモードも引き続き使用できます。このモードでは、データの場所とハイパーパラメータの指定のみが必要です。 スケーラビリティ […]

Read More

Amazon SageMaker Ground Truth と Amazon Comprehend を使用しての NER モデルの開発

固有表現抽出 (NER) とは、テキストデータを選別して固有表現と呼ばれる名詞句を特定し、「人」「組織」「ブランド」などのラベルによってそれぞれを分類する処理のことです。たとえば「私は最近 Amazon プライムに登録した」というテキストにおいては、「Amazon プライム」が固有表現であり「ブランド」として分類可能です。自社内において、精密な表現抽出機能を構築することは手の込んだ作業になり得ます。これには、手動で注釈付けをしたトレーニングドキュメントをいくつも用意することや、モデルトレーニング用に適切なアルゴリズムとパラメータを選択することが求められます。 今回の記事では、カスタム NER モデルを構築するための、Amazon SageMaker Ground Truth と Amazon Comprehend を使用するエンドツーエンドのパイプラインを取り上げていきます。 Amazon SageMaker Ground Truth を使用すると、機械学習システムのトレーニングに必要なデータセットを、効率的かつ正確にラベル付けすることが可能になります。Ground Truth には、ラベル付けをする人間にそのタスクをステップバイステップで示してくれる、ラベル付けワークフローが組み込まれています。さらに、機械学習 (ML) システムのトレーニングに必要とされる注釈付きの NER データセットを効率よく、正確に構築するためのツールも提供されています。 Amazon Comprehend は、機械学習を使用してテキストに関するインサイトやその内部の関係性を抽出できる、自然言語処理 (NLP) サービスです。Amazon Comprehend では、UTF–8 形式であれば任意のテキストファイルを処理できます。ドキュメント内にある、表現、主要なフレーズ、言い回し、感情、および他の一般的な要素を認識することで、インサイトを生成します。カスタムの表現抽出サービスを使用するには、モデルトレーニングのためのデータセットを作成する必要があります。そのためには、注釈がつけられた一連のドキュメントを使用するか、表現とそのタイプ (例: PERSON) を記載したリストに加え対象となる表現を含むドキュメントを用意します。このサービスは、モデルのトレーニングに使用する、アルゴリズムとパラメータにおける最良かつ最も精度の高い組合せを得るための、自動的なテストを実施します。 次の図は、このソリューションのアーキテクチャを示しています。 ここでのエンドツーエンドのプロセスは次のとおりです。 Amazon Simple Storage Service (Amazon S3) に一連のテキストファイルをアップロードします。 Ground Truth 内に、非公開のワークチームと、NER 用のラベル付けジョブを作成します。 非公開ワークチームがすべてのテキストドキュメントに対しラベル付けを行います。 上記が完了すると、Ground Truth は […]

Read More

速報!本日未明に終了したAWS公共部門 サミットのハイライトを紹介します-前編【キーノート編】

AWSジャパン・パブリックセクターより、日本時間の本日未明に終了した「AWS Public Sector Summit Online」 における、政府機関・教育機関・NPO向けのハイライトをご紹介いたします(記載は2020年7月1日時点)。 本年のサミットには、世界各国から多数の政府・行政機関・教育機関・NPOの皆様、ユーザーの皆様よりオンラインでのご参加をいただきました。日本からも、深夜の時間帯にもかかわらず多数の聴講をいただいたことに、感謝を申し上げます。 なお、日本のお客様向けに、今回のサミットで開催された25のブレイクアウト・セッションの中から幾つかをご紹介させていただく投稿も今回併せて準備させていただきました(こちらが【ブレイクアウト・セッション編】)。例年、日本のお客様からは高い関心が寄せられるセキュリティ系のセッションをはじめ、公共機関のDX、マネジメント&イノベーション系のセッションが充実しています。ぜひご参照ください。 キーノートの11個のハイライト: クラウドによるミッション達成とパブリック・セクターDXの促進 日本時間の本日未明(米国現地ワシントンDCでの6月30日)に終了した、AWS パブリックセクター・サミット・オンライン 2020 (以下、「サミット」)では、アマゾンウェブサービス(AWS)のWorld Wide Public Sector部門のバイス・プレジデントであるテレサ・カールソンが、基調講演を行いました(動画全編はこちら)。テレサは、過去数か月間のコロナウィルスがもたらした困難な時期を振り返り ── 未だ多くの国においてこの危機は現在進行形ですが ──、パブリック・セクターのユーザーが多くの教訓を共有すること、そして世界中の人々がミッションを遂行することを支援し続けているAWS のコミットメントについて語りました。 「コロナ危機に臨んで構築中のソリューションは、公共部門のITへのアプローチを根本的に変化させている。危機以前の”古い考え方”に戻ることはない」── とテレサは述べます。 前例のない危機に直面した各国の政府機関は、クラウドの俊敏性・スピード・柔軟性をあらためて実感しました。クラウドの本格活用により、お客様はミッションに集中しながら、この危機を乗り越えつつあります。基調講演では、以下に紹介するとおり、AWS のユーザーである各国の公的機関における取り組みと、AWS がそれらのお客様のミッションをサポートする方法について紹介が行われました。キー・テイクアウェイとして注目いただきたいポイントを、以下にご紹介します: #1:データの新しいフロンティアを受け入れる:AWS の航空・宇宙および衛星ソリューション AWS は、この「惑星」の内外でのお客様のミッションを支援することに、全力を尽くしています。最近新しく立ち上げられた「 AWS 航空・宇宙および衛星ソリューション事業」は、宇宙におけるイノベーションを推進するために創設され、退役した空軍少将クリント・クロサイエを本部門のリードとしてAWSに迎えられたことを、歓迎したいと思います。彼には、宇宙でのミッションにクラウドソリューションを提供すべく専門家のチームを率いてもらいます。 航空・宇宙および衛星ソリューションチームは、AWS Ground Station を使用してデータをダウンリンク・処理・分析・配信する費用対効果の高い方法で世界中のお客様に対するサポートを、既に開始しています。規模の大小を問わず、多くの民間企業や公的機関では、AWS Ground Station を使用して衛星通信業務を迅速に拡張し、宇宙スタートアップもまた、衛星地上インフラストラクチャの構築に必要な主要な設備投資をAWSを利用することで圧倒的に合理化しています。 航空・宇宙および衛星分野のフロントランナーとしては、AWSのお客様の 「Capella Space」社 が AWSへの「オールイン(=すべてのIT環境をAWSへ移行済)」を達成しています。AWS を利用し、Capella は世界最大の商用人工レーダーを搭載した衛星システムを打ち上げています( Synthetic Aperture Radar, SAR)。SARは、雲を貫通し、全天候条件下でデータを収集し、昼夜を問わずデータを把捉できる独自のレーダーです。Capella Space はすでに SAR データセットを AWS に移行しており、分析や機械学習などのサービスを活用して、このデータを迅速かつ低コストで顧客に提供しています。 […]

Read More

Amazon RDS for SQL Server において SSAS / SSRS / SSIS がサポートされました

SQL Server を利用されているお客様の中には、SQL Server に搭載されている BI 機能、SQL Server Analysis Services (SSAS) / SQL Server Reporting Services (SSRS)  / SQL Server Integration Services ( SSIS ) を利用されているお客様も多いと思います。以前はこれらの機能を利用する際は EC2上に SQL Server を構成する必要がありましたが、Amazon RDS for SQL Server でも利用可能になり(※)、マネージド型サービスならではのメリットを享受できます。有用な情報をまとめましたので、ぜひご活用頂ければと思います。 サポートするバージョン / エディション 【SQL Server Analysis Services】 SQL Server 2016 Standard エディションまたは Enterprise エディション (13.00.5426.0.v1 以降)  か SQL Server 2017 […]

Read More
QuickSight hands on

BIサービス Amazon QuickSight のセルフハンズオンキットに「販売管理ダッシュボード編」が追加

Amazon QuickSight は、誰もが簡単に利用でき、サーバレスなので運用管理の負荷も少ないBIサービスです。 これまでQuickSightを体験していただくためにQuickSight Basicハンズオンを定期的に開催してきたのですが、先日これに加えて「販売管理ダッシュボード編」を開催させていただきました。 今回これら2つのハンズオンがダウンロード可能になり、お手元の環境でも2種類のハンズオンを試していただけるようになりましたので、それぞれ概要を紹介します。 ※2020/10/16追記:「Amazon QuickSight 埋め込み(embed)ハンズオン」が公開されたため、末尾に追記しました。QuickSightの機能をWebアプリに埋め込むハンズオンです。

Read More